目 錄
Contents



第1章 人工智能概述 1
1.1 人工智能的定義 1
1.2 人工智能的起源和發(fā)展歷程 2
1.3 人工智能的多元化應(yīng)用 4
1.4 人工智能對(duì)社會(huì)的影響 10
1.5 人工智能的未來(lái) 11
課后練習(xí) 11
第2章 機(jī)器學(xué)習(xí) 13
2.1 機(jī)器學(xué)習(xí)的定義 13
2.1.1 智能的起點(diǎn)：機(jī)器學(xué)習(xí)的概念 14
2.1.2 智能的種子：機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí) 14
2.2 機(jī)器學(xué)習(xí)與人工智能的關(guān)系 16
2.2.1 AI的大腦：機(jī)器學(xué)習(xí)在人工智能中的角色 17
2.2.2 智能的進(jìn)化：機(jī)器學(xué)習(xí)如何推動(dòng)AI的進(jìn)步 17
2.3 機(jī)器學(xué)習(xí)的主要分支 18
2.3.1 預(yù)測(cè)的藝術(shù)：監(jiān)督學(xué)習(xí)的秘密 18
2.3.2 模式的探索者：無(wú)監(jiān)督學(xué)習(xí)的奧秘 20
2.3.3 決策的智者：強(qiáng)化學(xué)習(xí)的策略 22
2.3.4 學(xué)習(xí)的融合：半監(jiān)督學(xué)習(xí)和自監(jiān)督學(xué)習(xí)的創(chuàng)新 24
2.3.5 學(xué)習(xí)的多樣性：機(jī)器學(xué)習(xí)“門(mén)派”的協(xié)同作用 25
2.4 機(jī)器學(xué)習(xí)項(xiàng)目實(shí)施指南 26
2.4.1 問(wèn)題的啟航：定義機(jī)器學(xué)習(xí)問(wèn)題 26
2.4.2 數(shù)據(jù)的煉金術(shù)：數(shù)據(jù)收集和處理的藝術(shù) 27
2.4.3 算法的選美：選擇合適的機(jī)器學(xué)習(xí)算法 28
2.4.4 模型的誕生：從算法選擇到構(gòu)建實(shí)現(xiàn) 29
2.4.5 訓(xùn)練的磨礪：模型訓(xùn)練的技巧 29
2.4.6 評(píng)估的天平：模型評(píng)估的科學(xué) 30
2.4.7 部署的航道：將模型投入實(shí)戰(zhàn) 31
2.4.8 監(jiān)控的守護(hù)：持續(xù)監(jiān)控和優(yōu)化模型 32
課后練習(xí) 32
第3章 神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 34
3.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 34
3.1.1 神經(jīng)元的啟示：生物智能的密碼 35
3.1.2 人工神經(jīng)元：智能計(jì)算的單元 35
3.1.3 感知器的誕生：神經(jīng)網(wǎng)絡(luò)的起點(diǎn) 36
3.1.4 多層網(wǎng)絡(luò)：深度學(xué)習(xí)的基石 37
3.2 深度學(xué)習(xí)的誕生 38
3.2.1 智能的飛躍：深度學(xué)習(xí)的概念 38
3.2.2 深度學(xué)習(xí)的核心：模型的結(jié)構(gòu)與特點(diǎn) 39
3.3 深度學(xué)習(xí)的技術(shù)分支 40
3.3.1 圖像的解碼者：卷積神經(jīng)網(wǎng)絡(luò) 40
3.3.2 序列的編織者：循環(huán)神經(jīng)網(wǎng)絡(luò) 42
3.3.3 攻防博弈的藝術(shù)：對(duì)抗神經(jīng)網(wǎng)絡(luò) 43
3.3.4 數(shù)據(jù)維度的壓縮大師：自編碼器 44
3.3.5 語(yǔ)言的解碼者：Transformer 45
3.3.6 結(jié)構(gòu)的解析者：圖神經(jīng)網(wǎng)絡(luò) 47
3.3.7 決策的最優(yōu)策略：深度強(qiáng)化學(xué)習(xí) 48
課后練習(xí) 49
第4章 計(jì)算機(jī)視覺(jué) 50
4.1 計(jì)算機(jī)視覺(jué)概述 50
4.1.1 視覺(jué)的智能：計(jì)算機(jī)視覺(jué)的概念 50
4.1.2 視覺(jué)的主流：基于深度學(xué)習(xí)的計(jì)算機(jī)視覺(jué) 52
4.1.3 視覺(jué)的數(shù)字化：數(shù)字圖像 53
4.2 圖像處理技術(shù) 54
4.2.1 視覺(jué)技術(shù)的橋梁：圖像處理與計(jì)算機(jī)視覺(jué) 55
4.2.2 視覺(jué)數(shù)據(jù)的獲�。簣D像采集 55
4.2.3 視覺(jué)數(shù)據(jù)的凈化：圖像預(yù)處理 57
4.2.4 視覺(jué)目標(biāo)的分離：圖像分割 63
4.3 計(jì)算機(jī)視覺(jué)應(yīng)用 67
4.3.1 視覺(jué)的識(shí)別能力：目標(biāo)識(shí)別 67
4.3.2 智能的視覺(jué)解析：場(chǎng)景文字識(shí)別 71
4.3.3 精確的視覺(jué)測(cè)量：目標(biāo)測(cè)量 73
4.3.4 動(dòng)態(tài)視覺(jué)的追蹤：目標(biāo)跟蹤 74
4.4 開(kāi)源技術(shù)與工具 75
4.4.1 計(jì)算機(jī)視覺(jué)的開(kāi)源先鋒：OpenCV 75
4.4.2 實(shí)時(shí)目標(biāo)檢測(cè)的革新者：YOLO 76
課后練習(xí) 77
第5章 自然語(yǔ)言處理 79
5.1 自然語(yǔ)言處理概述 80
5.1.1 語(yǔ)言的數(shù)字解碼：自然語(yǔ)言處理的概念 80
5.1.2 歷史與語(yǔ)言的交織：自然語(yǔ)言處理的發(fā)展歷程 80
5.2 自然語(yǔ)言處理的原理 81
5.2.1 語(yǔ)言的鑰匙：語(yǔ)言學(xué)基礎(chǔ) 82
5.2.2 詞匯的奧秘：詞法分析 85
5.2.3 結(jié)構(gòu)的洞察：句法分析 88
5.2.4 意義的解碼：語(yǔ)義分析 89
5.2.5 文本的脈絡(luò)：篇章分析 93
5.3 自然語(yǔ)言處理的方法 94
5.3.1 傳統(tǒng)智慧的結(jié)晶：基于規(guī)則的方法 95
5.3.2 數(shù)據(jù)驅(qū)動(dòng)的革命：基于機(jī)器學(xué)習(xí)的方法 96
5.3.3 大模型的崛起：基于大模型的方法 97
5.4 自然語(yǔ)言處理應(yīng)用 98
5.4.1 語(yǔ)言的無(wú)國(guó)界交流：機(jī)器翻譯 98
5.4.2 人類(lèi)的虛擬對(duì)話(huà)者：聊天機(jī)器人 100
5.4.3 情感的深度洞察：情感分析 103
5.4.4 聲音的信息解碼：語(yǔ)音識(shí)別 105
5.4.5 文字世界的魔法師：文本糾錯(cuò) 107
5.5 語(yǔ)言模型 109
5.5.1 語(yǔ)境感知的革命：ELMo 110
5.5.2 語(yǔ)義理解的領(lǐng)航者：BERT 110
5.5.3 文本生成的先驅(qū)：GPT 111
5.5.4 文本轉(zhuǎn)換的典范：BART 111
課后練習(xí) 112
第6章 大數(shù)據(jù)基礎(chǔ)與應(yīng)用 114
6.1 大數(shù)據(jù)的定義 115
6.1.1 數(shù)據(jù)洪流的起源：大數(shù)據(jù)的誕生 115
6.1.2 數(shù)據(jù)源泉的演變：大數(shù)據(jù)的歷史脈絡(luò)與發(fā)展階段 116
6.1.3 數(shù)據(jù)的力量：大數(shù)據(jù)的核心作用 117
6.1.4 數(shù)據(jù)與智能的交匯：大數(shù)據(jù)在人工智能中的角色 118
6.2 大數(shù)據(jù)的特性 119
6.2.1 容量的廣袤：大數(shù)據(jù)的數(shù)據(jù)量 119
6.2.2 速度的挑戰(zhàn)：大數(shù)據(jù)的速度 120
6.2.3 多樣性的融合：大數(shù)據(jù)的種類(lèi) 120
6.2.4 真實(shí)性的探尋：大數(shù)據(jù)的真實(shí)性 121
6.2.5 價(jià)值的挖掘：大數(shù)據(jù)的價(jià)值 121
6.3 大數(shù)據(jù)架構(gòu) 122
6.3.1 架構(gòu)的藍(lán)圖：大數(shù)據(jù)架構(gòu)的定義與框架 122
6.3.2 架構(gòu)的實(shí)現(xiàn)：大數(shù)據(jù)架構(gòu)的關(guān)鍵技術(shù) 123
6.3.3 Hadoop的宇宙：Hadoop體系架構(gòu)的深入解析 124
6.4 大數(shù)據(jù)技術(shù) 126
6.4.1 數(shù)據(jù)的捕獲：大數(shù)據(jù)采集技術(shù) 126
6.4.2 數(shù)據(jù)的倉(cāng)庫(kù)：大數(shù)據(jù)存儲(chǔ)解決方案 127
6.4.3 數(shù)據(jù)的加工：大數(shù)據(jù)的處理技術(shù) 127
6.4.4 數(shù)據(jù)的智慧：大數(shù)據(jù)分析方法 128
6.5 數(shù)據(jù)可視化 130
6.5.1 可視化的力量：數(shù)據(jù)可視化的內(nèi)涵與價(jià)值 130
6.5.2 可視化的技巧：數(shù)據(jù)可視化的策略與方法 131
6.5.3 可視化的工具：數(shù)據(jù)可視化工具的選擇與應(yīng)用 132
6.5.4 可視化的實(shí)踐：數(shù)據(jù)可視化在多領(lǐng)域的實(shí)際應(yīng)用案例 138
6.6 云計(jì)算 140
6.6.1 云端的奧秘：云計(jì)算的定義與本質(zhì) 140
6.6.2 云端的力量：云計(jì)算的功能與優(yōu)勢(shì) 141
6.6.3 云端的多樣性：云計(jì)算的部署模式 141
6.6.4 云端的心臟：云計(jì)算數(shù)據(jù)中心的構(gòu)建 142
6.6.5 云端的應(yīng)用：云計(jì)算在實(shí)際場(chǎng)景中的運(yùn)用 144
課后練習(xí) 145
第7章 大語(yǔ)言模型基礎(chǔ)及應(yīng)用 147
7.1 大語(yǔ)言模型基本概況 148
7.1.1 大語(yǔ)言模型的應(yīng)用領(lǐng)域 148
7.1.2 大語(yǔ)言模型的優(yōu)勢(shì)與挑戰(zhàn) 148
7.2 大語(yǔ)言模型的發(fā)展歷程 149
7.2.1 早期的嘗試 149
7.2.2 Transformer的誕生 150
7.2.3 大語(yǔ)言模型的快速發(fā)展 150
7.3 架構(gòu)的基石Transformer 151
7.3.1 語(yǔ)言的編碼：嵌入編碼技術(shù) 151
7.3.2 并行的智慧：多頭自注意力機(jī)制 152
7.3.3 理解的橋梁：編碼器的構(gòu)建 153
7.3.4 創(chuàng)造的引擎：解碼器的原理 153
7.4 大語(yǔ)言模型的應(yīng)用實(shí)踐 154
7.4.1 提示詞工程：解鎖大語(yǔ)言模型的潛能 154
7.4.2 交流的藝術(shù)：對(duì)話(huà)系統(tǒng)的應(yīng)用 159
7.4.3 文字的力量：文字創(chuàng)作與翻譯 160
7.4.4 圖像的魔法：圖像生成 162
7.4.5 動(dòng)態(tài)的敘事：視頻生成技術(shù) 164
7.4.6 知識(shí)的融合：跨模態(tài)學(xué)習(xí)的應(yīng)用 166
7.4.7 編程新范式：大語(yǔ)言模型在編程中的應(yīng)用 168
課后習(xí)題 171
第8章 人工智能倫理 173
8.1 人工智能的挑戰(zhàn) 173
8.1.1 挑戰(zhàn)的風(fēng)暴：數(shù)據(jù)隱私與安全 173
8.1.2 偏見(jiàn)的迷霧：算法偏見(jiàn)與公平性 175
8.1.3 決策的困境：自動(dòng)化決策與責(zé)任歸屬 177
8.1.4 道德的追問(wèn)：機(jī)器道德與權(quán)利 179
8.2 人工智能的倫理規(guī)范 180
8.2.1 基石的奠定：人工智能倫理的理論基礎(chǔ) 180
8.2.2 倫理的困境：未來(lái)人工智能倫理難題 182
8.2.3 領(lǐng)域的規(guī)范：不同領(lǐng)域的人工智能倫理規(guī)范 182
8.2.4 政策的引領(lǐng)：國(guó)際與國(guó)內(nèi)的人工智能倫理規(guī)范政策 184
課后練習(xí) 185
第9章 人工智能應(yīng)用實(shí)戰(zhàn) 186
9.1 AI在計(jì)算機(jī)編程中的應(yīng)用 186
9.1.1 基本應(yīng)用方法 186
9.1.2 應(yīng)用案例 187
9.2 AI在辦公場(chǎng)景中的應(yīng)用 193
9.2.1 基本應(yīng)用方法 193
9.2.2 應(yīng)用案例 194
9.3 大語(yǔ)言模型在學(xué)科競(jìng)賽中的應(yīng)用 202
9.3.1 應(yīng)用流程 202
9.3.2 應(yīng)用案例 203
9.4 AI在外語(yǔ)學(xué)習(xí)中的應(yīng)用 215
9.4.1 基本應(yīng)用方法 215
9.4.2 應(yīng)用案例 218
9.5 AI在個(gè)人求職中的應(yīng)用 221
9.5.1 基本應(yīng)用方法 222
9.5.2 應(yīng)用實(shí)踐 222
9.6 AI在科研論文中的應(yīng)用 226
9.6.1 基本應(yīng)用方法 226
9.6.2 應(yīng)用案例 227
9.7 AI在高效學(xué)習(xí)中的應(yīng)用 234
9.7.1 基本應(yīng)用方法 234
9.7.2 應(yīng)用案例 235
9.8 AI在智能助手中的應(yīng)用 245
9.8.1 基本應(yīng)用方法 245
9.8.2 應(yīng)用案例 245
附錄A 大模型問(wèn)答評(píng)價(jià)標(biāo)準(zhǔn) 251
附錄B 項(xiàng)目報(bào)告模板 252
參考文獻(xiàn) 253